一种基于移动用户大数据的异常行为可视化监控方法
【专利摘要】一种基于移动用户大数据的异常行为可视化监控方法，包括有：步骤一、选取用户在图书阅读平台上的若干种行为类型，并为每种行为类型设置若干个行为指标；步骤二、获取目标用户每种行为类型下的每个行为指标的当前值，并根据全体用户和目标用户对应行为指标的历史数据，分别计算目标用户在每种行为类型下的每个行为指标上的亮灯信号值；步骤三、根据计算出的亮灯信号值，识别用户异常行为。本发明属于网络通信【技术领域】，可以在移动大数据环境下，对用户在图书阅读平台上的异常行为进行可视化的及时监控。
【专利说明】-种基于移动用户大数据的异常行为可视化监控方法
【技术领域】
[0001 ]本发明涉及一种基于移动用户大数据的异常行为可视化监控方法，属于网络通信
【技术领域】。
【背景技术】
[0002]用户的行为模式在用户移动阅读和消费过程中体现出一定的规律性，例如用户的 访问时间、访问内容、访问方式、阅读偏好等都是有规律可循的。通过对用户行为进行监控， 可以及时了解到用户的行为变化趋向，并为下一步的营销和决策提供数据支撑。而对用户 异常行为进行监控的关键问题就在于用户正常使用模式的建立以及利用该模式对当前用 户行为进行比较和判断。因而，对移动阅读用户的行为建模并进行及时的监控，发现其中的 异常行为，并进行及时的响应和服务，对于维系和挽留用户具有重要的意义。
[0003] 专利申请CN200910085032. 5 (申请日：2009 - 05 - 27,申请名称：一种业务行为异 常检测方法和系统， 申请人:：北京启明星辰信息技术股份有限公司北京启明星辰信息安全 技术有限公司）提供了一种业务行为异常检测方法，包括：根据安全审计设备当前检测点 之前的历史审计记录，建立用户访问业务系统的正常行为模型；对安全审计设备的实时审 计记录进行分析，与所述正常行为模型进行比较，判断用户访问业务系统的行为是否异常。 该技术方案主要根据安全审计设备的审计记录来检测在业务流程上并不违规、实际上仍然 给业务系统带来破坏的攻击行为，由于移动用户在图书阅读平台上的行为类型丰富多样， 从而产生了海量的移动阅读数据，该方案并不能对移动用户在图书阅读平台上的异常行为 进行可视化的及时监控。
[0004]因此，如何在移动大数据环境下，对用户在图书阅读平台上的异常行为进行可视 化的及时监控？仍是一个值得深入研究的技术问题。
【发明内容】
[0005] 有鉴于此，本发明的目的是提供一种基于移动用户大数据的异常行为可视化监控 方法，可以在移动大数据环境下，对用户在图书阅读平台上的异常行为进行可视化的及时 监控。
[0006] 为了达到上述目的，本发明提供了一种基于移动用户大数据的异常行为可视化监 控方法，包括有：
[0007] 步骤一、选取用户在图书阅读平台上的若干种行为类型，并为每种行为类型设置 若干个行为指标；
[0008] 步骤二、获取目标用户每种行为类型下的每个行为指标的当前值，并根据全体用 户和目标用户对应行为指标的历史数据，分别计算目标用户在每种行为类型下的每个行为 指标上的亮灯信号值；
[0009] 步骤三、根据计算出的亮灯信号值，识别用户异常行为。
[0010] 与现有技术相比，本发明的有益效果是：为充分反映移动用户在图书阅读平台上 的行为效果，本发明从行为类型、行为指标等多个维度来建立用户的行为模式，当用户的行 为指标落在安全区内，则表示用户已形成好的阅读访问习惯，用户的下一步操作基本是有 规律可循，而对于处在混沌状态下的用户则进行及时的引导和营销挽回；本发明利用移动 阅读用户的行为指标数据，设计了不同维度上的、可视化的亮灯信号来对用户在图书阅读 平台上的行为进行建模，不仅针对各个行为指标构建了各自的亮灯信号，还为行为指标所 属的各个行为类型、以及用户整体均设置了对应的亮灯信号，从而对用户行为进行了有效、 且全面地及时监控；本发明参考交通信号的红绿灯概念在多个维度上设定不同的阈值限 定，将用户的行为映射到红黄绿三种不同的行为模式中，并以此为依据对用户行为进行可 视化监控和及时响应，用户行为状态通过亮灯颜色直观显示，方案简单易行，适用于移动大 数据的应用场景。
【专利附图】
【附图说明】
[0011]图1是本发明一种基于移动用户大数据的异常行为可视化监控方法的流程图。 [0012]图2是图1步骤二中计算目标用户在行为类型A下的行为指标Zij上的亮灯信号 值的具体操作流程图。
[0013] 图3是图1步骤五的具体操作流程图。
【具体实施方式】
[0014]为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步 的详细描述。
[0015]如图1所示，本发明一种基于移动用户大数据的异常行为可视化监控方法，包括 有：
[0016]步骤一、选取用户在图书阅读平台上的若干种行为类型，并为每种行为类型设置 若干个行为指标；
[0017]步骤二、获取目标用户每种行为类型下的每个行为指标的当前值，并根据全体用 户和目标用户对应行为指标的历史数据，分别计算目标用户在每种行为类型下的每个行为 指标上的亮灯信号值；
[0018]步骤三、根据目标用户在每种行为类型下的所有行为指标上的亮灯信号值，计算 目标用户对于每种行为类型的亮灯信号值；
[0019]步骤四、根据目标用户对于每种行为类型的亮灯信号值，计算目标用户的整体亮 灯信号值；
[0020] 步骤五、根据计算出的亮灯信号值，识别用户异常行为。
[0021] 步骤一中，用户在图书阅读平台上的行为类型丰富多样，图书也分为免费、连载、 全本图书等不同类型，所述行为类型可以包括但不限于注册、访问、阅读、订购、包月或互动 等。在具体处理用户行为的过程中需要考虑到很多具体的业务问题，在不同的阅读平台下， 根据业务特征的不同，也需要考虑许多不同的细节。本发明可以从访问、阅读、订购、互动等 多个行为类型的角度建立用户行为监控模型的指标体系。每个行为类型再设置多个行为特 征的不同维度进行汇总，从而探查用户在平台上的所有操作。例如当行为类型是"访问"时， 其对应的行为指标可以包括但不限于：访问总页面数、访问图书页面数、登录次数、第一次 登录时间、最后一次登录时间、访问来源等；当行为类型是"阅读"时，其对应的行为指标可 以包括但不限于：阅读章节数、阅读付费章节数、阅读连载章节数、阅读图书数、阅读连载图 书数、阅读免费图书数等；当行为类型是"订购，，时，其对应的行为指标可以包括但不限于： 订购总费用、现金点播费用、订购图书数、订购章节数、包月费用、订购连载图书数等；当行' 为类型是"互动"时，其对应的行为指标可以包括但不限于：下载次数、月票次数、收藏次数 推荐次数、评论次数、分享次数等。 1
[0022]如图2所示，所述步骤二中，计算目标用户在行为类型Ui下的行为指标Zij上的亮 灯信号值，还可以进一步包括有：
[0023]步骤21、根据目标用户的行为指标Zij的当前值Xij，计算目标用户对于全体用户的 行为指标的表现值：
【权利要求】
1. 一种基于移动用户大数据的异常行为可视化监控方法，其特征在于，包括有： 步骤一、选取用户在图书阅读平台上的若干种行为类型，并为每种行为类型设置若干 个行为指标； 步骤二、获取目标用户每种行为类型下的每个行为指标的当前值，并根据全体用户和 目标用户对应行为指标的历史数据，分别计算目标用户在每种行为类型下的每个行为指标 上的亮灯信号值； 步骤三、根据计算出的亮灯信号值，识别用户异常行为。
2. 根据权利要求1所述的方法，其特征在于，所述行为类型包括但不限于：访问、阅读、 订购、互动； 当行为类型是"访问"时，其对应的行为指标包括但不限于：访问总页面数、访问图书页 面数、登录次数、第一次登录时间、最后一次登录时间、访问来源； 当行为类型是"阅读"时，其对应的行为指标包括但不限于：阅读章节数、阅读付费章节 数、阅读连载章节数、阅读图书数、阅读连载图书数、阅读免费图书数； 当行为类型是"订购"时，其对应的行为指标包括但不限于：订购总费用、现金点播费 用、订购图书数、订购章节数、包月费用、订购连载图书数； 当行为类型是"互动"时，其对应的行为指标包括但不限于：下载次数、月票次数、收藏 次数、推荐次数、评论次数、分享次数。
3. 根据权利要求1所述的方法，其特征在于，步骤二中，计算目标用户在行为类型Ui下 的行为指标Zu上的亮灯信号值，进一步包括有： 步骤21、根据目标用户的行为指标Zu的当前值&，计算目标用户对于全体用户的行为
指标Zu的表现值： 其中，爲分别是全体用户在行为 r 指标Zu上的最低、高阈值，其值根据全体用户在行为指标上Zu上的历史数据而定，c是一 个常数，其值根据实际情况而设定； 步骤22、根据目标用户的行为指标上Zu的当前值Xip计算目标用户对于个人历史行为 模式的行为指标Zij的表现值：
》其中，am^ij分别是目标 用户个人在行为指标Zu上的最低、高阈值，其值根据目标用户在行为指标Zu上的历史数据 而定； 步骤23、计算目标用户在行为指标Zu上的亮灯信号值：
其中，X是区间（〇，1)的一个实数。 f
4. 根据权利要求3所述的方法，其特征在于，步骤21中，爲的设置进一步包括 有： 统计全体用户中每位用户在一段历史时间内的行为指标Zu的值，并按照从小到大的 次序对所有用户的行为指标Zu的值进行排序，所述^是排在第i位的行为指标Zu的值， 所述爲是排在第，_：i位的行为指标Zu的值，其中万是全体用户的用户总数。
5. 根据权利要求4所述的方法，其特征在于，：i的值为：
6. 根据权利要求3所述的方法，其特征在于，步骤22中，cip 的设置进一步包括 有： 读取目标用户在一段历史时间内的行为指标Zu的值，并按照从小到大的次序对目标 用户在一段历史时间内的行为指标Zu的值进行排序，所述au是排在第A位的行为指标 Zij的值，所述Pu是排在第N-A位的行为指标Zu的值，其中N是目标用户在一段历史时间 内的行为指标Zu的值的个数。
7. 根据权利要求6所述的方法，其特征在于，A的值为：A=NX2. 5%。
8. 根据权利要求1所述的方法，其特征在于，步骤五进一步包括有： 根据目标用户在行为指标上的亮灯信号值，计算目标用户在每种行为类型下的每个行
为指标上的亮灯颜色 其中，Su是目标用户在行 > 为指标Zu上的亮灯信号值，USiP是目标用户在行为指标Zu上的亮灯颜色，当USiP为yellow或red时，则表示用户存在异常行为。
9. 根据权利要求1所述的方法，其特征在于，步骤二和步骤三之间，还包括有： 步骤A、根据目标用户在每种行为类型下的所有行为指标上的亮灯信号值，计算目标用 户对于每种行为类型的亮灯信号值：
其中，旧1是目标用户对于行为类 f 型Ui的亮灯信号值，Su是目标用户在行为类型Ui下的行为指标Zu上的亮灯信号值，Mi是 行为类型Ui所包含的所有行为指标总数，5ij是行为类型Ui下的行为指标Zij的权重系数， 〇〈Su〈l，且
10. 根据权利要求9所述的方法，其特征在于，步骤五进一步包括有： 根据目标用户对于行为类型的亮灯信号值，计算目标用户在每种行为类型上的亮灯颜 色：
其中，USi是目标用户对于行为类型Ui的亮 灯信号值，L(USi)是目标用户在行为类型Ui上的亮灯颜色，当L(USi)为yellow或red时， 则表示用户存在异常行为。
11. 根据权利要求9所述的方法，其特征在于，步骤A之后，还包括有： 步骤B、根据目标用户对于每种行为类型的亮灯信号值，计算目标用户的整体亮灯信号 值UW:
其中，USi是目标用户对于行为类型Ui的亮灯信号值，Q是目标用户 的所有行为类型总数，Yi是行为类型Ui的权重系数,0〈Y^1,且
12. 根据权利要求11所述的方法，其特征在于，步骤五进一步包括有： 根据目标用户的整体亮灯信号值UW，计算目标用户的整体亮灯颜色：
当L(UW)为yellow或red时，则表示用户存在 异常行为。
【文档编号】G06F19/00GK104268378SQ201410465378
【公开日】2015年1月7日 申请日期:2014年9月12日 优先权日:2014年9月12日
【发明者】廖建新, 王玉龙, 李曲, 王超芸, 彭刚, 徐童, 张磊, 张乐剑 申请人:北京邮电大学